MétaCan
Menu
Retour à la cohorte
Enregistrement W1971470684 · doi:10.1109/cibcb.2008.4675788

Transience in the simulation of ring species

2008· article· en· W1971470684 sur OpenAlexaff
Daniel Ashlock, Taika von Königslöw, Elizabeth L. Clare, Wendy Ashlock

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueEvolutionary Algorithms and Applications
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésRing (chemistry)FertilityPopulationComputer scienceRobotTerminal (telecommunication)GridPoint (geometry)Task (project management)Artificial intelligenceEcologyBiologyEvolutionary biologyEngineeringMathematicsComputer networkDemography

Résumé

récupéré en direct d'OpenAlex

Biological ring species theoretically develop when an ancestral population expands around a geographic barrier and differentiates until terminal populations come back into contact. Adjacent populations are fertile; fertility declines with distance, and the terminal populations are not fertile. This study uses evolutionary algorithms to attempt to create artificial ring species using grid robots performing the Tartarus task with ISAc lists and string genes solving the Self Avoiding Walk (SAW) problem. Three experiments are done with the Tartarus robots. Fertility is shown to decrease with distance, but not to the extent that ring species are formed. Two experiments are done with SAW. These experiments produce sub-populations which satisfy all the criteria for biological ring species at the point in time when the ring closes. As evolution continues, the relationship between fertility and distance continues, but the terminal populations do not remain infertile. In addition, on both problems, record scores are achieved, suggesting that this model of evolution is a good optimizer for multi-optima problems like Tartarus and SAW which have many deceptive suboptima.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,040
Tête enseignante GPT0,257
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEvolutionary Algorithms and ApplicationsTravaux en français237 207